Hugging Face's logo

Datasets:
Dbmaxwell
/
turkish-function-calling

Tasks:
Text Generation
Modalities:
Text
Formats:
json
Languages:
Turkish
Size:
1K - 10K
ArXiv:
Tags:
function-calling
tool-use
Synthetic
turkish
Libraries:
Datasets
pandas
Polars
License:
Dataset card Data Studio Files
xet
 Community
1
turkish-function-calling
File size: 4,717 Bytes
46428fa
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
---
license: mit
language:
  - tr
task_categories:
  - text-generation
tags:
  - function-calling
  - tool-use
  - synthetic
  - turkish
pretty_name: Turkish Function Calling
size_categories:
  - 1K<n<10K
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train.jsonl
---

# Turkish Function Calling

Türkçe tool-calling çalışmaları için hazırlanmış sentetik eğitim veri seti. Veri seti Türkçe kullanıcı taleplerini, kullanılabilecek araç tanımlarını ve beklenen fonksiyon çağrılarını birlikte sunar.

## Veri seti özeti

| Özellik | Değer |
|---|---:|
| Split | `train` |
| Toplam satır | 1.500 |
| Benzersiz tam satır | 1.500 |
| Benzersiz sorgu metni | 1.429 |
| Benzersiz araç adı | 368 |
| Toplam beklenen fonksiyon çağrısı | 3.428 |
| Dil | Türkçe |
| Dosya biçimi | JSONL |

Veri; hava durumu, e-ticaret, bankacılık, yemek siparişi, seyahat, takvim, medya, ulaşım, sağlık, eğitim, kripto para, sinema, spor, akıllı ev, kargo, konaklama, araç hizmetleri, sosyal medya, verimlilik ve kamu hizmetleri dahil 20 alanı kapsar.

## Üretim

Veri seti `zai/glm-5.3` modeliyle üretildi. Üretim sırasında:

- Her örnek için 2–4 araç tanımı istendi.
- Fonksiyon ve parametre adları ASCII `snake_case` biçimiyle sınırlandı.
- Parametre tipleri `str`, `int`, `float`, `bool`, `list` ve `dict` değerleriyle sınırlandı.
- Her parametre için açık bir `required` boolean değeri zorunlu tutuldu.
- Beklenen çağrılardaki fonksiyon adları ve argümanlar araç şemasına göre programatik olarak doğrulandı.
- Geçerli satırlar atomik ve devam ettirilebilir biçimde yerel JSONL dosyasına yazıldı.

## Veri biçimi

Her JSONL satırı üç string alan içerir:

| Alan | Açıklama |
|---|---|
| `query` | Doğal Türkçe kullanıcı talebi |
| `tools` | JSON kodlanmış araç tanımları listesi |
| `answers` | JSON kodlanmış beklenen fonksiyon çağrıları listesi |

`tools` ve `answers` alanları string içinde JSON olarak saklanır. Kullanımdan önce `json.loads` ile ayrıştırılmalıdır.

```json
{
  "query": "Merhaba, bugünkü dolar kurunu öğrenip 1500 dolar almak istiyorum, ayrıca bu ayın hesap özetimi de görebilir miyim?",
  "tools": "[{\"name\": \"doviz_kuru_getir\", \"description\": \"...\", \"parameters\": {\"doviz_cinsi\": {\"description\": \"...\", \"type\": \"str\", \"required\": true}}}]",
  "answers": "[{\"name\": \"doviz_kuru_getir\", \"arguments\": {\"doviz_cinsi\": \"USD\"}}]"
}
```

Yukarıdaki örnek okunabilirlik için kısaltılmıştır; veri dosyasındaki araç ve çağrı listeleri eksiksizdir.

## Kullanım

Hugging Face `datasets` ile:

```python
from datasets import load_dataset

dataset = load_dataset(
    "json",
    data_files={"train": "data/train.jsonl"},
)
```

String olarak saklanan alanları ayrıştırmak için:

```python
import json

row = dataset["train"][0]
tools = json.loads(row["tools"])
answers = json.loads(row["answers"])
```

Doğrudan Python ile:

```python
import json

with open("data/train.jsonl", encoding="utf-8") as file:
    rows = [json.loads(line) for line in file if line.strip()]
```

## Doğrulama

1.500 satırın tamamı aşağıdaki yapısal kontrollerden geçti:

- `query`, `tools` ve `answers` alanlarının varlığı ve veri tipleri
- Her örnekte 2–4 geçerli araç tanımı
- Parametre tipi ve `required` alanı doğrulaması
- Çağrılan fonksiyonun aynı satırdaki araç listesinde bulunması
- Argüman adlarının ve değer tiplerinin fonksiyon şemasıyla eşleşmesi
- Tüm zorunlu argümanların çağrıda bulunması

## ToDo
- **Veri setini genişletme:** Yeni kullanım alanları, daha çeşitli sorgular, paralel ve çok adımlı fonksiyon çağrıları ile
veri setindeki örnek sayısının artırılması.
- **Kalite iyileştirmesi:** Yazım hatalarının düzeltilmesi, yinelenen sorguların azaltılması ve alan dağılımının
dengelenmesi.

## Lisans

Veri seti MIT lisansı ile yayımlanır. Kullanılan modelin ve hizmet sağlayıcının geçerli kullanım koşulları ayrıca dikkate alınmalıdır.

## Kaynak

Veri şeması, Salesforce tarafından yayımlanan [xlam-function-calling-60k](https://huggingface.co/datasets/Salesforce/xlam-function-calling-60k) veri setinden esinlenmiştir.

```bibtex
@article{liu2024apigen,
  title={APIGen: Automated Pipeline for Generating Verifiable and Diverse Function-Calling Datasets},
  author={Liu, Zuxin and Hoang, Thai and Zhang, Jianguo and Zhu, Ming and Lan, Tian and Kokane, Shirley and Tan, Juntao and Yao, Weiran and Liu, Zhiwei and Feng, Yihao and others},
  journal={arXiv preprint arXiv:2406.18518},
  year={2024}
}
```